שרטוט קו ההתאמה

חלק מהיחידה סטטיסטיקה ללמידת מכונה במסלול ה-Machine Learning של Coddy. שיעור 37 מתוך 64.

שני מספרים מתארים התאמה; רק תרשים מראה אם היא תואמת לנתונים. במטבח תזמנו שש הרתחות של קומקום. ציירו את הקו על אותו ax כמו תרשים הפיזור:

liters = np.array([0.5, 0.8, 1.0, 1.2, 1.5, 1.7])
minutes = np.array([1.6, 2.4, 2.7, 3.3, 3.9, 4.5])
slope, intercept = np.polyfit(liters, minutes, 1)
xs = np.linspace(liters.min(), liters.max(), 50)
fig, ax = plt.subplots()
ax.scatter(liters, minutes, label="Boils")
ax.plot(xs, slope * xs + intercept, color="C1", label="Fit")
ax.legend()
plt.show()

xs עובר מה־x הקטן ביותר לגדול ביותר, כך שהקו מתחיל ומסתיים היכן שהנתונים מתחילים ומסתיימים:

שש הרתחות של קומקום כנקודות, דקות עד לרתיחה לעומת ליטרים של מים, עולות מ־1.6 ל־4.5 דקות, עם קו התאמה כתום העובר דרכן מ־0.5 ל־1.7 ליטרים

ציור התחזיות של המודל על גבי הנתונים שלו הוא הדרך המהירה ביותר לבדוק אם הוא למד משהו הגיוני. קו שלא עובר דרך הנקודות מעיד על התאמה לקויה.

אתגר

בינוני

מנהל בניין תיעד את משך הזמן של 12 נסיעות במעלית: את מספר הקומות שעברו floors ואת משך הזמן בשניות seconds. קוד הפתיחה מגדיר את התרשים עם הכותרת והתוויות.

התאם קו שמנבא את seconds לפי floors.
צייר את הנסיעות כתרשים פיזור עם התווית Rides, ואת הקו עם התווית Fit, מהמספר הקטן ביותר של קומות לגדול ביותר.
הוסף מקרא והצג את התרשים.

הקוד לא מדפיס דבר; Coddy מתארת את התרשים שלך. התרשים של בניין אחר נראה כך:

תרשים שכותרתו Elevator Rides: שמונה נקודות עולות מ-14 שניות ב-2 קומות ל-51 שניות ב-20 קומות, קו מותאם מהקומה של הנקודה הראשונה עד הקומה של הנקודה האחרונה, ומקרא עם השמות Rides ו-Fit

נסו בעצמכם

import numpy as np
import matplotlib.pyplot as plt

floors = np.array([3, 7, 1, 12, 5, 9, 15, 2, 10, 6, 13, 8])
seconds = np.array([15.3, 27.0, 12.4, 36.0, 19.5, 28.8, 44.9, 12.7, 33.2, 19.4, 41.7, 27.0])
# אל תשנו את השורות שלמטה
fig, ax = plt.subplots()
ax.set_title("Elevator Rides")
ax.set_xlabel("Floors")
ax.set_ylabel("Seconds")

# כתבו את הקוד שלכם למטה

בחנו את עצמכם

השיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.

כל השיעורים ביחידה סטטיסטיקה ללמידת מכונה

תרגלו בעצמכם: קומפיילר Python אונליין